※ [本文轉錄自 Gossiping 看板 #1ND8V1el ]
作者: Ivanov (Visca Catalunya) 看板: Gossiping
標題: Re: [新聞] 鄭捷火速遭槍決伏法 林欣怡：死刑沒
時間: Thu May 12 21:40:12 2016
※ 引述《microXD (XD)》之銘言：
: 九十年代美國Emory大學的Paul Rubin等三名學者，對美國3000個城鎮20年間的犯罪資料
: 研究展示，平均執行一次死刑，可挽救18條被謀害的人命。
: Joanna Shepherd教授就是反對死刑的，但他2005年發表的研究報告也指出，1977至1996
: 年，在美國每年處決9人以上的州，死刑才有嚇阻作用。
: 可以指出 Paul Rubin、 Joanna Shepherd的paper哪裡有問題嗎？
我建議一下：要人家看paper前，附個連結比較好。
這三位學者做了一系列，我還要稍微確定一下是哪一篇，不太方便。
在所有的介紹前，我想說一下：個體計量(Microeconometrics)一直不是我擅長的
不過我大概知道他們討論的點在哪，所以花點時間跟各位鄉民介紹文獻討論的點。
此外，撰寫這系列文章的點在於：介紹其他國家的研究與爭點在哪，而非建立特定立場。
如果有統計能力更強大的鄉民，歡迎指教。
本文開始：
http://cjlf.org/deathpenalty/DezRubShepDeterFinal.pdf
依照你的描述，我猜你說的是這篇paper。
他們的主要結論是：死刑的嚇阻作用，可以防止18件兇殺案，標準差在10件
也就是8-28件的意思。
他們的主要特色(innovation:也就是別人沒有做過的，他們試試看)
採取郡(County)資料，加計時間，做出一份panel data
取代過去只有cross-sectional data(特定年分/不同州)
或者是時間序列(Time-series data：跨年分/特定區域)的研究資料
他們主要的論述(argument)是：
如果(潛在)犯人主觀對於刑罰的機率改變(被抓/被定罪/被死刑執行)
那麼謀殺比率是否會降低
他們使用的是美國政府機關(特別是FBI的Uniform Crime Report)
統計方法討論以及評述：
https://goo.gl/cvDqWA Journal of Quantitative Criminology
計量犯罪學期刊(2012) 死刑是否有嚇阻效力？對文獻的評論
A. Chalfin S. Raphael (柏克萊大學公共政策學院)
A. M. Haviland (卡內基美隆大學，公共政策與管理學院)
在這篇文章中，他們歸納了主要證實死刑對於犯罪嚇阻效力的文獻
先統籌歸納出他們的幾項常犯的問題，最後對於特定系列文章做出評論
他們對於Dezhbakhsh, Rubin 跟 Shepherd三位學者做的研究，有特別的討論
首先：他們總結美國現在死刑執行的狀態：集中於特定的州
1972-1976年是美國死刑執行的暫緩期(Moratorium)，因為最高法院對於這點有爭議
到了1976年Gregg v.s. Georgia確立之後，認定死刑沒有違憲
在這之後，1977-2008年，美國判決了7,773件死刑，執行了1,185件死刑，約15%
而有39%被移除死刑判決：肇因於錯誤的判決/罪刑不符，上訴成功或減刑等
1.) 80%的執行集中在8個州，德州佔了38%。此外，有16個州一件都沒有執行
2.) 截至2008年終，美國有3,159名死囚，這些死囚當中:
64% 的死囚位於6個州 (阿拉巴馬/加州/佛羅里達/俄亥俄州/賓州/德州)
有15個州一個受監死刑犯都沒有。
上面的數據代表甚麼是：如果用州資料來做死刑與嚇阻效果的研究
就很有可能受到特定州的影響頗大，得到死刑與嚇阻效果有關的結論。
在這篇paper的附圖一中，就可看出特定資料點對於論述的影響。
以致於他們說：死刑對於凶殺案的嚇阻效力做出來的，通常不是"死刑"帶來的影響
而是"德州"帶來的影響。所以應該要改名為德州效應，而不是死刑效應。
其次：他們討論新資料與新方法，是否能夠克服這樣的問題呢？
也就是說：我們現在想討論的Dezhbakhsh, Rubin和Shepherd做的是郡資料，
是否就能克服這樣的問題呢？還是有新的問題呢？
這篇評論的14-16頁，就特別討論這DRS(2003)的論文
我們先撇開一些技術性的問題(統計資料記載不實/因為選用的模型造成標準差誤估等)
有一個重要的問題是他們選的工具變數(Instrument Variable)
有可能直接影響凶殺案比率，也就是嚇阻效果(死刑會降低凶殺案)的論述。
簡單來說：就是會造成凶殺案的降低，跟死刑的處刑沒有統計顯著的關係。
Donohue and Wolfers (2005) 把DRS的模型再跑一下，但是侷限在
http://users.nber.org/~jwolfers/papers/DeathPenalty(SLR).pdf
"有死刑判決(De Jure Capital Sentence)，但是沒有死刑處刑"的州中的郡資料
(附帶一提：Donohue/Wolfers的論文中有說：DRS不願意分享他們的資料
所以DW只好照他們論文的描述，抓出對應的資料跟對應的模型跑過一遍)
結果他們發現，不殺人也同樣有嚇阻效果。
(事實上，這裡隱含的意義是：警政體系/法治體系的預算多寡，是不是把犯人關好關滿
對於凶殺案的下降或許是更好的效果)
最後：立場跟統計模型討論沒有關係
整片文章看完就會發現，A. Chalfin S. Raphael ，A. M. Haviland 並沒有立場
這篇文章的後面，他們也有點出幾篇做出死刑嚇阻效果無關論文的統計問題
(就像我原先引述的Fagan的論文也有被點出來說有問題的地方)
不過跟提出的問題無關，我就不贅述了。
個體計量最大的挑戰，就在於社會實驗(social experiment)其實是很困難的
端賴研究者是否能夠挑選好的變數，整理出好的資料，盡量接近理論期望的狀態
我還是要回到Fagan對於論文成立性的挑戰：
把資料拿出來，讓別人重新replicate或者是用相似，但不同期間的樣本replicate
能夠得到方向相同的結論，那這樣的論述才經得起檢驗。
希望有回答道大家的疑惑。